[发明专利]一种机器学习算法运行方法、装置、设备及介质

说明书

本申请公开了一种机器学习算法运行方法、装置、设备及介质，用以在同时运行多种机器学习算法的同时，还可以保证多种机器学习算法之间的数据安全及占用电子设备资源的合理性。由于本申请可以在电子设备的容器中运行机器学习算法及Conda基础镜像，从而不仅可以基于Conda基础镜像，激活不同机器学习算法依赖的运行环境，使多种机器学习算法可以同时运行；同时，还可以基于容器的沙箱机制，对电子设备中同时运行的不同机器学习算法的数据进行安全隔离，保证多种机器学习算法之间的数据安全；另外，还可以基于容器的沙箱机制，对当前运行的机器学习算法占用电子设备资源的大小进行限制，从而达到合理的占用电子设备资源的目的。

技术领域

本申请涉及机器学习算法技术领域，尤其涉及一种机器学习算法运行方法、装置、设备及介质。

背景技术

近年来，随着大数据产业链的逐渐成熟，各种各样的机器学习算法的使用逐渐成为现阶段解决很多大数据分析和人工智能问题的主流方法。机器学习作为一个独立的方向，正处于高速发展之中，很多基于机器学习算法，从事人工智能解决方案的企业也在蓬勃发展。

现阶段，主流的机器学习算法框架主要包括Pytorch和TensorFlow等。在实现各种各样的机器学习算法时，每种机器学习算法使用的算法框架可以不同。当每种机器学习算法使用的算法框架不同时，每种算法框架依赖的运行环境(基础环境)通常也不同。也就是说，针对每种机器学习算法，在运行该机器学习算法时通常需要部署该机器学习算法依赖的运行环境，否则，该机器学习算法将无法运行。例如，如果在服务器上只部署了Pytorch算法框架的运行环境，那么基于TensorFlow算法框架实现的机器学习算法将无法在该服务器中得以运行。

为了可以在服务器等电子设备中同时运行依赖不同运行环境的机器学习算法，相关技术中可以在服务器等电子设备中安装环境管理工具Conda，Conda可以激活不同机器学习算法依赖的运行环境，使多种机器学习算法可以同时运行。

然而，同时运行多种机器学习算法时，如何保证多种机器学习算法之间的数据安全及合理占用电子设备资源，是目前亟需解决的一个技术问题。

发明内容

本申请提供了一种机器学习算法运行方法、装置、设备及介质，用以在同时运行多种机器学习算法的同时，还可以保证多种机器学习算法之间的数据安全及占用电子设备资源的合理性。

第一方面，本申请提供了一种机器学习算法运行方法，所述方法包括：

接收机器学习算法的算法压缩包及携带所述机器学习算法的运行环境的Conda环境压缩包；

将所述算法压缩包和所述Conda环境压缩包解压到设定的目录地址；获取所述算法压缩包携带的算法信息及所述Conda环境压缩包解压后的Conda环境包目录名称；

将所述算法信息、所述Conda环境包目录名称及容器的容器启动脚本名称，配置到预先创建的Conda基础镜像的系统环境变量中，其中所述Conda基础镜像能够运行所述机器学习算法，并且所述Conda基础镜像能够在所述容器中运行；

若接收到容器启动指令，通过所述容器启动脚本名称对应的容器启动脚本将所述目录地址挂载到所述容器中；根据所述Conda基础镜像的系统环境变量中的配置信息，激活所述机器学习算法的运行环境，启动并运行所述机器学习算法。

第二方面，本申请提供了一种机器学习算法运行装置，所述装置包括：

接收模块，用于接收机器学习算法的算法压缩包及携带所述机器学习算法的运行环境的Conda环境压缩包；

获取模块，用于将所述算法压缩包和所述Conda环境压缩包解压到设定的目录地址；获取所述算法压缩包携带的算法信息及所述Conda环境压缩包解压后的Conda环境包目录名称；